弱人工智能阶段，再高效、精准的机器，也只能作为医生诊断的辅助工具。第二军医大学附属长征医院微创外科主任认为，人工智能 医学影像只能说使临床诊断准确率进一步提高，早期疾病的发现和诊治比以前更加提前，逐步取代一部分医生的工作，但不可能完全取代医生。2009年，由国家卫生计生委颁布的《人工智能辅助诊断技术管理规范（试行）》就提到了对医疗机构、医疗人员的多项要求。

    以影像诊断科为例，开展影像临床诊疗工作5年以上，其技术水平达到三级医院专业科室要求。必须有数字化影像诊断设备包括数字化常规X线设备、磁共振（MRI）、计算机X线断层摄影（CT）和医学影像图像管理系统及其工作站的计算机硬件平台。还要求人工智能辅助诊断医师“具有5年以上与开展人工智能辅助诊断技术相关专业临床诊疗工作经验，具有副主任医师及以上专业技术职务任职资格”。以‘DoctorYou’为代表的医疗人工智能永远不会替代医生，它的正确角色定位是医生的得力助手。科技巨头布局智能医学影像，往往采取“两条腿走路”的策略。

    在众多医学数据中，影像数据相对标准，长时间积累中形成了体量庞大的数据集合，从这一角度来讲，人工智能 医学影像具备了较好的发展基础。但是，必须看到，数据质量对于人工智能在计算和学习能力提升上起着更为重要的作用，目前来看，甚至是关键作用。

    人工智能的突破主要依赖于算法、计算能力和数据三方面，当前人工智能算法已经相对成型，计算能力也在不断提升，而数据则成为最重要因素，数据质量更是机器能否进行高效学习的关键。相比于算法，数据对于人工智能 医学影像发展更为关键。从算法上中国没有落后国外很多，算法的比拼是小部分，大部分是对以往数据的积累能力和利用，问题还是在于数据的获取。

    这也是医疗影像跟其他医疗数据不一样的地方。医疗影像从诞生开始就因为考虑到了机器的兼容性应用了同样的数据格式，医疗器械的几大巨头以及管理部门在文件一致性上也有着清晰的标准。另外，考虑到案件的回溯，以及病人存档问题，各个国家都要求在医疗影像上存储一定的时间。所以，在医疗影像细分市场上，积累了大量的高质量数据，而且数据非常集中。

    人工智能并不是单纯追求数据量大，而是要追求质量。比如做机器学习，人工标注的准确性就非常重要，数据有没有被‘清洗’很重要，让机器接触太多的‘噪音’，肯定学不出什么东西来，数据质量是一个很关键的因素。现实是，我国市场上的医学影像数据质量并不令人满意。复旦大学医学影像智能诊断研究所教授刘雷解释，临床数据比较乱、错误多、缺失多，都会造成人工智能对医疗大数据的处理不是很成功。